想象这样一个未来：人工智能正悄然重塑软件开发行业，它可以精准重构混乱代码，高效迁移遗留系统，智能排查竞态条件，而人类工程师得以专注于更具创造性的架构设计和创新性问题解决。这一看似触手可及的未来愿景，在麻省理工学院计算机科学与人工智能实验室（CSAIL）最新发表的研究中获得了严谨审视。
“人人都说不再需要程序员，自动化工具已遍地。” MIT 教授、CSAIL 首席研究员、论文资深作者 Armando Solar-Lezama 说，“工具确实强大，可离真正的自动化愿景仍有距离。”
由麻省理工学院（MIT）教授 Armando Solar-Lezama 领衔，联合加州大学伯克利分校、康奈尔大学、斯坦福大学等多所顶尖院校的专家，发表了一篇题为《迈向 AI 软件工程的挑战与路径》的文章，通过系统性的实证分析，揭示了当前 AI 辅助软件开发所面临的三大核心挑战。
评估体系亟待更新。研究指出，当前主流的 SWE-Bench 评估标准存在明显不足。测试案例通常仅涉及几百行代码，远不及企业级项目的规模；评估场景过于简单，无法反映真实的工程挑战；更存在数据泄露的风险。这种“本科编程练习”式的评估，难以准确衡量 AI 在实际开发环境中的表现。而真实的工作要复杂得多，包括日常重构优化设计；把数百万行 COBOL 迁往 Java 重塑业务；持续测试与分析——模糊测试、属性测试——抓并发漏洞、修零日；还要给十年老代码补文档等维护工作。
人机协作瓶颈。论文第一作者 Alex Gu 指出，现有 AI 编程助手与开发者的交互就像“一条纤细的通信线”。具体表现在，开发者对 AI 输出的控制力有限，生成的代码是一个庞大而无结构的文件，外加流于表面的测试；系统缺乏表达自信度的机制，无法标识需要人工复核的代码段；对专业开发工具的支持不足，难以有效运用调试器等专业工具。这些问题导致开发者可能盲目信任那些能通过编译却在运行时出错的代码。
规模化的挑战更为严峻。研究表明，在面对企业级代码库时，AI 表现明显下降。由于每家公司的代码库都具有独特性，AI 常常生成看似合理但不符合特定企业规范的“幻觉代码”。此外，基于语法相似性的检索方法也经常出现误判。
针对这些挑战，研究团队从三方面提出了突破性的解决方案。
数据层面，建议建立包含开发全流程的增强数据集，重点记录代码取舍决策过程、重构演变轨迹等技术细节；评估体系需要开发多维度框架，特别关注重构质量指数、缺陷修复持久性等关键指标；在协作机制上，应设计新型人机交互界面，实现不确定性可视化、决策过程可追溯等高级功能。
Alex Gu 将其称之为需多方参与的“开源行动”；Solar-Lezama 则期待渐进式地突破反哺商业工具，把 AI 从补全助手变为真正的合作伙伴。
“软件已经支撑着金融、交通、医疗保健以及日常生活的方方面面，而构建和安全地维护软件所需的人力正在成为瓶颈。能担脏活且不埋雷的 AI，将解放人去创造、决策、守伦理。” Gu 说，“但前提是我们承认，补全最简单，其余最难。我们的目标不是取代程序员，而是增强他们的能力。当人工智能能够处理枯燥与可怕的事情时，人类工程师可以将时间投入到只有人类才能做的事情上。”
1.https://news.mit.edu/2025/can-ai-really-code-study-maps-roadblocks-to-autonomous-software-engineering-0716
